1.下载Hive安装包：

　　官网下载：

　　百度云分享：

2.上传Hive的tar包，并解压：

　　解压：tar -zxvf apache-hive-1.2.1-bin.tar.gz -C /usr/local/src/

　　修改解压后的文件名称：mv apache-hive-1.2.1-bin hive-1.2.1

3.安装MySql：

　　MySQL用于存储Hive的元数据，不建议使用Hive自带Derby作为Hive的元数据库，因为它的数据文件默认保存在运行

目录下面，下次换一个目录启动就看不见之前的数据了

4.修改配置文件：主要是配置metastore（元数据存储）存储方式

　　4.1. vi /usr/local/src/hive-1.2.1/conf/hive-site.xml（存储方式：内嵌Derby方式、本地mysql、远端mysql）

　　4.2 粘贴如下内容：

         
              
       
        javax.jdo.option.ConnectionURL
               
       
        jdbc:mysql://localhost:3306/hive?createDatabaseIfNotExist=true
               
       
        JDBC connect string for a JDBC metastore
           
          
              
       
        javax.jdo.option.ConnectionDriverName
               
       
        com.mysql.jdbc.Driver
               
       
        Driver class name for a JDBC metastore
           
          
              
       
        javax.jdo.option.ConnectionUserName
               
       
        root
               
       
        username to use against metastore database
           
          
              
       
        javax.jdo.option.ConnectionPassword
               
       
        root
           //mysql密码不正确, 查看hive-site.xml配置与mysql的密码是否一致        
       
        password to use against metastore database
           
      
     

 5.拷贝jar包：

　　拷贝mysql驱动jar包到Hive的lib目录下面去，下载路径：

6.启动Hive：启动诸多问题参考：

　　启动Hive之前需要先把Hadoop集群启动起来。然后使用下面的命令来启动Hive：

　　启动命令：/usr/local/src/hive-1.2.1/bin/hive

　　出现如下表示启动成功：

　　

　　验证Hive运行正常：启动Hive以后输入下面的命令：

　　

　　输出为：

　　

　  创建数据库,输出结果如下：数据库的数据文件被存放在HDFS的/user/hive/warehouse/test_db.db下面　　

　　

　　创建表：表的数据文件被存放在HDFS的/user/hive/warehouse/test_db.db/t_test下面

　　

　　插入数据

　　准备下面的数据文件，sz.data，文件内容如下：　

1,张三2,李四3,风凌4,三少5,月关6,abc

 　 上传到HDFS上：hadoop fs -put sz.data /user/hive/warehouse/test_db.db/t_test/sz.data

　　然后使用下面的语句尝试进行一下查询：

　　

　　输出的结果如下：

　　　

　　数据没有被成功识别，这是因为没有指定数据的分隔符。使用下面的命令清空表数据：

　　

　　

count查询：select count(1) from t_test;

能看到下面的运行提示：

Query ID = root_20170325234306_1aaf3dcf-e758-4bbd-9ae5-e649190d8417Total jobs = 1Launching Job 1 out of 1Number of reduce tasks determined at compile time: 1In order to change the average load for a reducer (in bytes):  set hive.exec.reducers.bytes.per.reducer=
     
      In order to limit the maximum number of reducers:  set hive.exec.reducers.max=
      
       In order to set a constant number of reducers:  set mapreduce.job.reduces=
       
        Starting Job = job_1490454340487_0001, Tracking URL = http://amaster:8088/proxy/application_1490454340487_0001/Kill Command = /root/apps/hadoop-2.7.3/bin/hadoop job  -kill job_1490454340487_0001Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 12017-03-25 23:43:23,084 Stage-1 map = 0%,  reduce = 0%2017-03-25 23:43:36,869 Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 1.71 sec2017-03-25 23:43:48,392 Stage-1 map = 100%,  reduce = 100%, Cumulative CPU 3.4 secMapReduce Total cumulative CPU time: 3 seconds 400 msecEnded Job = job_1490454340487_0001MapReduce Jobs Launched: Stage-Stage-1: Map: 1  Reduce: 1   Cumulative CPU: 3.4 sec   HDFS Read: 6526 HDFS Write: 2 SUCCESSTotal MapReduce CPU Time Spent: 3 seconds 400 msec
       
      
     

 发现Hive的速度确实很慢，不适合用于在线业务支撑,同时，在YARN集群里面也可以看到任务信息

输出结果如下：

Hive的元数据

　　接下来，我们来看一下在MySQL里面保存的Hive元数据

　　

 

　　可以看到有很多表。其中DBS表记录了数据库的记录：